基于ACA-PID算法的風(fēng)機(jī)獨(dú)立變槳控制

周臘吾，鄧寧峰，陳 浩，韓 兵，田 猛

?

基于ACA-PID算法的風(fēng)機(jī)獨(dú)立變槳控制

周臘吾1，鄧寧峰1，陳 浩2，韓 兵1，田 猛1

(1.湖南大學(xué)電氣與信息工程學(xué)院，湖南 長(zhǎng)沙 410082；2.湖南世優(yōu)電氣股份有限公司，湖南 湘潭411100)

為了緩解大型風(fēng)機(jī)在額定風(fēng)速以上出現(xiàn)的不平衡載荷問(wèn)題，針對(duì)變速變槳風(fēng)電機(jī)組，給出了一種基于蟻群算法優(yōu)化PID參數(shù)的風(fēng)機(jī)獨(dú)立變槳控制策略。利用蟻群算法的尋優(yōu)特性，優(yōu)化傳統(tǒng)PID變槳控制器的參數(shù)，使其兼有PID控制的精簡(jiǎn)性與蟻群算法的自適應(yīng)性，給出了其具體的實(shí)施步驟。構(gòu)建了風(fēng)力發(fā)電機(jī)獨(dú)立變槳控制模型，對(duì)新策略與傳統(tǒng)策略進(jìn)行了仿真與實(shí)驗(yàn)。仿真與實(shí)驗(yàn)結(jié)果表明，基于蟻群算法優(yōu)化PID參數(shù)的風(fēng)機(jī)獨(dú)立變槳控制策略是有效和實(shí)用的，該策略能提高控制系統(tǒng)的動(dòng)態(tài)性能，有效地減少不平衡載荷，改善風(fēng)機(jī)的振動(dòng)狀態(tài)。

風(fēng)電機(jī)組；獨(dú)立變槳控制；蟻群算法；PID；不平衡載荷

0 引言

隨著常規(guī)能源的弊端顯現(xiàn)，可再生能源越來(lái)越受到人類(lèi)的重視，風(fēng)電由于其技術(shù)成熟、靈活性強(qiáng)的優(yōu)點(diǎn)，成為發(fā)展最快的可再生能源之一[1-4]。近年以來(lái)風(fēng)力發(fā)電機(jī)朝著大型化的方向發(fā)展，葉輪的直徑不斷增大，葉輪上不平衡載荷引起的風(fēng)力機(jī)疲勞失效成為風(fēng)電運(yùn)行維護(hù)成本的主要來(lái)源[5-6]。傳統(tǒng)的統(tǒng)一變槳控制的槳距角給定是由風(fēng)速、風(fēng)機(jī)轉(zhuǎn)速、輸出功率的反饋來(lái)確定的，其在功率控制的同時(shí)，無(wú)法兼顧葉輪的不平衡載荷，由此衍生出了獨(dú)立變槳控制方法，它通過(guò)分別對(duì)風(fēng)機(jī)槳葉進(jìn)行單獨(dú)微調(diào)，在保證發(fā)電機(jī)輸出額定功率的情況下，減小了因風(fēng)速的湍流特性、風(fēng)剪切和塔影效應(yīng)所造成的風(fēng)機(jī)不平衡載荷[7]。

近年來(lái)，國(guó)內(nèi)外對(duì)統(tǒng)一距與獨(dú)立變槳的策略和方法有著大量的研究，都具有各自的特點(diǎn)。文獻(xiàn)[8]深入研究了模糊控制器在風(fēng)機(jī)中的應(yīng)用，將輸出功率作為反饋信號(hào)，以槳距角信號(hào)作為控制輸出，設(shè)計(jì)了基于模糊控制的槳距角控制器。文獻(xiàn)[9]將神經(jīng)網(wǎng)絡(luò)算法應(yīng)用進(jìn)入風(fēng)力發(fā)電機(jī)組的控制當(dāng)中，利用神經(jīng)網(wǎng)絡(luò)的自適應(yīng)性、學(xué)習(xí)能力調(diào)節(jié)槳距角，使得風(fēng)機(jī)的動(dòng)態(tài)性能得到提升，但是系統(tǒng)存在穩(wěn)態(tài)誤差。文獻(xiàn)[10]提出基于前饋補(bǔ)償?shù)姆轿唤菣?quán)系數(shù)分程獨(dú)立變槳控制，此控制方法采用方位角權(quán)系數(shù)分配分別對(duì)3個(gè)槳葉的槳距角進(jìn)行調(diào)整，實(shí)現(xiàn)獨(dú)立變槳控制，然后根據(jù)前饋補(bǔ)償理論對(duì)距過(guò)程進(jìn)行分程獨(dú)立變槳控制。文獻(xiàn)[11]采用多變量LQG控制策略為解決獨(dú)立變槳控制多輸入多輸出信號(hào)之間的耦合問(wèn)題，LQG控制器是基于風(fēng)機(jī)控制系統(tǒng)的數(shù)學(xué)模型進(jìn)行設(shè)計(jì)的，該數(shù)學(xué)模型通常有一些約束條件，與實(shí)際風(fēng)機(jī)的動(dòng)態(tài)特性差別大。

PID控制器有著簡(jiǎn)單、精確的優(yōu)點(diǎn)，但也有動(dòng)態(tài)性能較差的缺點(diǎn)。本文提出了基于蟻群算法PID參數(shù)優(yōu)化的風(fēng)機(jī)獨(dú)立變槳控制策略，利用蟻群算法的全局尋優(yōu)能力，優(yōu)化變槳PID控制器的參數(shù)，給出蟻群算法對(duì)PID參數(shù)優(yōu)化的方法與具體實(shí)施步驟，并且進(jìn)行了仿真與半實(shí)物平臺(tái)研究，最后結(jié)果驗(yàn)證了基于蟻群算法PID參數(shù)優(yōu)化的風(fēng)機(jī)獨(dú)立變槳控制策略具有較好的控制效果，可以有效減少不平衡載荷，改善風(fēng)機(jī)的振動(dòng)狀態(tài)。

1 風(fēng)力機(jī)特性與獨(dú)立變槳控制

風(fēng)機(jī)將風(fēng)能轉(zhuǎn)化為電功率，其輸出功率可由式(1)表示。

式中：a為空氣密度；為風(fēng)輪半徑；為風(fēng)速；為槳距角；為葉尖速比(=/，為風(fēng)輪角速度)；p為風(fēng)能利用系數(shù)。

風(fēng)能利用系數(shù)p由風(fēng)機(jī)葉片的空氣動(dòng)力學(xué)特性確定，其可以通過(guò)葉尖速比與槳距角的多項(xiàng)式近似擬合[12]，如圖1所示。

圖1 不同槳距角下風(fēng)力機(jī)Cp-l特性曲線

由圖1可知，隨著的增大，對(duì)應(yīng)p-特性曲線的p極大值逐漸減小；1=0o時(shí)，存在一個(gè)最佳葉尖速比opt使風(fēng)能利用系數(shù)達(dá)到最大pmax；此最佳葉尖速比opt所對(duì)應(yīng)的最佳風(fēng)輪角速度opt為

最佳葉尖速比opt由風(fēng)輪的自身參數(shù)所決定，可知在不同的風(fēng)速下，總存在一個(gè)使得風(fēng)能利用系數(shù)達(dá)到最大，從而獲得最佳輸出功率。圖2為各風(fēng)速下風(fēng)機(jī)的-功率特性曲線，曲線abcde即風(fēng)機(jī)的運(yùn)行曲線。

圖2 各風(fēng)速下風(fēng)力機(jī)-功率特性曲線

Fig. 2 Wind turbine generator’s power curve - at different wind speed

當(dāng)風(fēng)速小于切入風(fēng)速1時(shí)，風(fēng)機(jī)處于最小轉(zhuǎn)速min下，并未開(kāi)始發(fā)電，即ab段；當(dāng)風(fēng)速在1和5之間時(shí)，隨著風(fēng)速的增大，風(fēng)輪轉(zhuǎn)速始終跟隨最佳風(fēng)輪角速度opt逐漸增加，p隨之增大，風(fēng)機(jī)進(jìn)入變速運(yùn)行區(qū)bc段，此段情況下，獨(dú)立變槳控制主要是為了維持p保持最佳；當(dāng)運(yùn)行至c點(diǎn)時(shí)，風(fēng)速為4，風(fēng)輪轉(zhuǎn)速達(dá)到額定轉(zhuǎn)速ω時(shí)，此時(shí)風(fēng)機(jī)進(jìn)入恒速運(yùn)行區(qū)，由于風(fēng)輪捕獲的能量也在增加，輸出功率進(jìn)一步增大；當(dāng)運(yùn)行至d點(diǎn)時(shí)，風(fēng)速為額定風(fēng)速5時(shí)，輸出功率達(dá)到額定值n，風(fēng)速繼續(xù)增大，為保持輸出功率的恒定，統(tǒng)一變槳控制通過(guò)增大風(fēng)輪葉片槳距角來(lái)限制風(fēng)輪捕獲的能量，直至風(fēng)速達(dá)到切出風(fēng)速6風(fēng)機(jī)順槳停機(jī)，即圖2中de段。

風(fēng)機(jī)運(yùn)行于de段時(shí)，由于處于高風(fēng)速段，風(fēng)速的湍流特性、風(fēng)剪切和塔影效應(yīng)對(duì)風(fēng)機(jī)的影響增大，加劇了不平衡載荷現(xiàn)象，從而導(dǎo)致了功率波動(dòng)和機(jī)械部件的疲勞損耗，此段情況下，獨(dú)立變槳控制即為了減弱這種風(fēng)輪所受的不平衡載荷。風(fēng)機(jī)所受的葉根彎矩是一個(gè)周期時(shí)變量，不利于計(jì)算與控制系統(tǒng)的設(shè)計(jì)，本文使用Coleman坐標(biāo)變換[13]。如圖3所示，將位于葉片根部的壓力傳感器所測(cè)得的葉根拍打力矩x、y、z與葉片方位角轉(zhuǎn)換為d、q坐標(biāo)軸上的俯仰彎矩d與偏航方向彎矩q，然后通過(guò)蟻群算法優(yōu)化PID參數(shù)控制器得到d和q，d與q經(jīng)反變換得到獨(dú)立變槳控制信號(hào)x、y、z，此信號(hào)與統(tǒng)一變槳控制器信號(hào)0相加即得到變槳控制信號(hào)1、2、3。

圖3 獨(dú)立變槳控制框圖

2 ACA-PID獨(dú)立變槳控制器

2.1 ACA-PID控制器的基本原理

目前來(lái)說(shuō)，PID控制器以其結(jié)構(gòu)簡(jiǎn)單、控制精確等特點(diǎn)被廣泛應(yīng)用于風(fēng)力發(fā)電機(jī)組的變槳控制中，但是風(fēng)機(jī)有著較強(qiáng)的轉(zhuǎn)動(dòng)慣量、非線性耦合和風(fēng)速變化的隨機(jī)性，以致PID控制算法不能很好的抑制風(fēng)機(jī)的動(dòng)態(tài)載荷[14]。運(yùn)用現(xiàn)代智能控制算法與PID控制策略相結(jié)合，構(gòu)成復(fù)合型與智能型的PID控制策略，具備自適應(yīng)性、自學(xué)能力，能夠優(yōu)化、自整定控制參數(shù)，并且也具有PID控制器結(jié)構(gòu)簡(jiǎn)單、穩(wěn)定性強(qiáng)、控制精確的特點(diǎn)。

蟻群算法(Ant Colony Algorithm，ACA)是一種仿生型的具有正反饋和分布式協(xié)作特征的算法，其通過(guò)信息素的積累和更新尋找最優(yōu)路徑[15]，本文使用蟻群算法來(lái)動(dòng)態(tài)調(diào)整PID控制器參數(shù)[16]，基于蟻群算法的PID控制器基本結(jié)構(gòu)如圖4所示。

圖4 蟻群算法PID控制結(jié)構(gòu)圖

圖中：()為輸入量(對(duì)應(yīng)d、q軸彎矩)；()為輸出量(對(duì)應(yīng)獨(dú)立變槳控制信號(hào)d、q)；控制對(duì)象為不平衡載荷；()為控制量，()為偏差量。

在控制對(duì)象模型與取樣周期已知的情形下，PID控制器只有3個(gè)參數(shù)p、I、D需要確定。類(lèi)比于旅行商問(wèn)題，每只螞蟻的尋優(yōu)過(guò)程可由一個(gè)二維坐標(biāo)系來(lái)表示。如圖5所示，螞蟻所經(jīng)過(guò)節(jié)點(diǎn)連成的路徑代表其所尋的PID參數(shù)，其中橫坐標(biāo)中0為起點(diǎn)或終點(diǎn)，1~5代表p，6~10代表I，11~15代表D，縱坐標(biāo)值代表各參數(shù)的某一位，具體來(lái)講，從小到大依次為參數(shù)的個(gè)位和小數(shù)點(diǎn)后的4位。圖5中p=6.2756，I=4.8351，D=6.8953。

圖5 每只螞蟻的尋優(yōu)過(guò)程

通常我們需要一個(gè)性能指標(biāo)來(lái)評(píng)價(jià)控制系統(tǒng)的性能，本文考慮了誤差、上升時(shí)間、超調(diào)量等約束條件，采用如下的性能指標(biāo)(目標(biāo)函數(shù))

式中：u為上升時(shí)間；()=()-(-1)；1、2、3、4為權(quán)值且42；為仿真計(jì)算的總點(diǎn)數(shù)。

對(duì)于參與PID參數(shù)優(yōu)化的蟻群算法來(lái)說(shuō)，其所搜索出的最佳路徑就代表了最優(yōu)性能指標(biāo)，并且不同于旅行商問(wèn)題，PID參數(shù)優(yōu)化的蟻群算法是根據(jù)目標(biāo)函數(shù)值來(lái)更新信息素物質(zhì)的濃度，而不是路徑長(zhǎng)度。定義螞蟻從節(jié)點(diǎn)到節(jié)點(diǎn)的轉(zhuǎn)移概率為

式中：為節(jié)點(diǎn)總數(shù)；為第個(gè)節(jié)點(diǎn)；為信息素濃度；為可訪問(wèn)度；和為控制信息素和能見(jiàn)度之間相對(duì)重要性的參數(shù)，影響算法的收斂速度和收斂性[17]。算法每迭代次，信息素濃度將根據(jù)下面的公式進(jìn)行更新

(5)

式中：為信息素?fù)]發(fā)系數(shù)；為螞蟻總數(shù)；D為第只螞蟻在時(shí)刻與+時(shí)刻之間留在支路(,)上的單位長(zhǎng)度的信息素濃度，可按下式計(jì)算

(7)

式中：為螞蟻釋放的信息素濃度；s為螞蟻的路徑，k表示螞蟻所搜尋的目標(biāo)函數(shù)的值。

可訪問(wèn)度定義為前后2次周游所確定的目標(biāo)函數(shù)值的差，如式(8)所示。

2.2 自適應(yīng)調(diào)整信息素?fù)]發(fā)系數(shù)

對(duì)于最基本的蟻群算法，其在迭代過(guò)程中常常會(huì)陷入局部最優(yōu)或者停陷，使得搜索時(shí)間變長(zhǎng)。國(guó)內(nèi)外學(xué)者提出了多種改良措施，本文借鑒采取了一種自適應(yīng)調(diào)整信息素?fù)]發(fā)系數(shù)的方法用以改良基本蟻群算法，如式(9)所示。

式中：為信息素?fù)]發(fā)系數(shù)；為迭代次數(shù)。

在迭代初期值較大，即可增強(qiáng)蟻群算法尋找新解的能力，在迭代后期揮發(fā)系數(shù)值較小，以便搜索更為集中。

2.3 算法的收斂性分析

關(guān)于蟻群算法的馬爾科夫鏈描述，定義一個(gè)隨機(jī)過(guò)程，如式(10)所示。

式中：()為圖5中螞蟻路徑上迭代次后的信息素濃度；^()表示迭代次后的最優(yōu)路徑；()為此時(shí)的目標(biāo)函數(shù)值。

每只螞蟻的解()的求結(jié)過(guò)程由(4)式所決定，而^()與()是由()所決定的，()、^()和(-1)通過(guò)式(10)共同確定()，這表明隨機(jī)過(guò)程()由當(dāng)前狀態(tài)與下一狀態(tài)決定，狀態(tài)轉(zhuǎn)移概率取決于，所以()為非時(shí)齊有限狀態(tài)馬爾科夫鏈[18]。

假設(shè)螞蟻一直未通過(guò)節(jié)點(diǎn)(,)，在這種狀況下，信息素在迭代次后最小，此時(shí)有

令

(12)

且

則馬爾科夫鏈中當(dāng)→∞時(shí)，其以概率1逼近最優(yōu)狀態(tài)。*為最優(yōu)路徑，當(dāng)節(jié)點(diǎn)(,)∈*時(shí)，[*]=max，否則為0。對(duì)于本文的二維節(jié)點(diǎn)來(lái)說(shuō)，迭代時(shí)間往往很短，不超過(guò)100就能達(dá)到很好的效果(滿(mǎn)足目標(biāo)函數(shù))。

2.4 算法實(shí)施的具體步驟

蟻群算法PID參數(shù)優(yōu)化的步驟如圖6所示。

圖6 蟻群算法PID參數(shù)尋優(yōu)基本流程

3 仿真研究

本文使用FAST軟件與Matlab聯(lián)合對(duì)基于蟻群算法的獨(dú)立變槳控制系統(tǒng)進(jìn)行仿真，采用5 MW三槳葉風(fēng)力發(fā)電機(jī)組，其具體參數(shù)如表1所示。

表1 風(fēng)力發(fā)電機(jī)組參數(shù)表

ACA-PID算法參數(shù)設(shè)置：=20，=1，=1，0=0.7，=100，=100；仿真采用的隨機(jī)風(fēng)速信號(hào)風(fēng)速在10~17 m/s之間，為額定風(fēng)速以上區(qū)間，圖7為槳葉1上的水平風(fēng)速。

對(duì)統(tǒng)一變槳(CPC)和獨(dú)立變槳(IPC)分別進(jìn)行仿真，槳距角給定調(diào)節(jié)變化曲線如圖8所示。

槳1的葉根偏航(面內(nèi))彎矩、俯仰(面外)彎矩對(duì)比如圖9、圖10所示。

圖7 槳葉1上的水平風(fēng)速

圖9 槳1葉根偏航(面內(nèi))彎矩

圖10 槳1葉根俯仰(面外)彎矩

CPC與IPC的彎矩變化如表2所示。

表2 統(tǒng)一變槳(CPC)與獨(dú)立變槳(IPC)的葉根彎矩變化

從圖9、圖10可以看出，獨(dú)立變槳(IPC)下葉根彎矩的大小、振幅已明顯減小。由表2可知，獨(dú)立變槳(IPC)下葉根偏航彎矩的平均值下降約34.2%，葉根俯仰彎矩的平均值下降約36.5%，并且葉根偏航、俯仰彎矩的標(biāo)準(zhǔn)差也分別下降約30.0%和30.9%，這進(jìn)一步表明葉根彎矩的大小、振幅明顯減小。這些數(shù)據(jù)驗(yàn)證了ACA-PID獨(dú)立變槳控制對(duì)于減小風(fēng)機(jī)的不平衡載荷有較好的效果，能夠很好的抑制由偏航、俯仰彎矩所造成的風(fēng)機(jī)傳動(dòng)機(jī)構(gòu)的振動(dòng)，從而穩(wěn)定輸出功率，改善風(fēng)機(jī)疲勞程度。

4 實(shí)驗(yàn)分析

如圖11所示，本文對(duì)此測(cè)試平臺(tái)進(jìn)行了獨(dú)立變槳實(shí)驗(yàn)研究，該平臺(tái)由獨(dú)立變槳控制柜、變槳電機(jī)對(duì)拖測(cè)試系統(tǒng)、上位機(jī)等組成。

圖11 獨(dú)立變槳測(cè)試平臺(tái)

本節(jié)首先測(cè)試了ACA-PID獨(dú)立變槳控制器的對(duì)于斜坡信號(hào)跟蹤性能(模擬風(fēng)速平穩(wěn)變化)，給予驅(qū)動(dòng)器命令模擬輪轂上的水平風(fēng)速，信號(hào)給定如圖12所示，其風(fēng)速值在11 m/s與17 m/s之間。

圖12 輪轂水平風(fēng)速(斜坡信號(hào))

從圖13中可清楚的了解到，ACA-PID控制方式與傳統(tǒng)PID控制方式，斜坡信號(hào)響應(yīng)幾乎一致且很穩(wěn)定，這表明ACA-PID控制方式能夠及時(shí)搜尋到最優(yōu)參數(shù)，具有與傳統(tǒng)PID控制方式相差無(wú)幾的穩(wěn)定性，能夠準(zhǔn)確無(wú)誤的跟蹤平穩(wěn)風(fēng)速變化。

隨后本節(jié)測(cè)試了兩種控制方式對(duì)于方波風(fēng)速信號(hào)的響應(yīng)(模擬風(fēng)速劇烈變化)，其風(fēng)速值在13m/s與17m/s之間，如圖14所示。

圖14 輪轂水平風(fēng)速(方波信號(hào))

從圖15可知，ACA-PID控制方式的超調(diào)量、調(diào)節(jié)時(shí)間約為5.62%、0.91 s，都遠(yuǎn)遠(yuǎn)小于傳統(tǒng)PID控制的19.33%、1.60 s，且未出現(xiàn)震蕩現(xiàn)象。這驗(yàn)證了蟻群算法能夠很好的對(duì)PID參數(shù)進(jìn)行動(dòng)態(tài)尋優(yōu)，克服傳統(tǒng)PID控制方式參數(shù)一成不變的缺點(diǎn)，對(duì)于陣風(fēng)有著更快、更穩(wěn)定的響應(yīng)。

圖15 槳距角響應(yīng)(方波信號(hào))

5 結(jié)束語(yǔ)

由于受湍流、風(fēng)切變、塔影效應(yīng)等影響，大型風(fēng)機(jī)在額定風(fēng)速以上區(qū)間時(shí)所受的不平衡載荷會(huì)導(dǎo)致風(fēng)機(jī)運(yùn)行的不穩(wěn)定，獨(dú)立變槳控制即是為減小載荷而提出的。另外，因?yàn)轱L(fēng)機(jī)有著較強(qiáng)的轉(zhuǎn)動(dòng)慣量、非線性耦合和風(fēng)速變化的隨機(jī)性，以致PID控制算法不能很好的抑制風(fēng)機(jī)的動(dòng)態(tài)載荷。針對(duì)這種情況，本文提出了一種基于蟻群算法的PID參數(shù)優(yōu)化獨(dú)立變槳控制器，利用蟻群算法的正反饋和分布式協(xié)作來(lái)尋找PID控制器的最優(yōu)參數(shù)。通過(guò)仿真與測(cè)試平臺(tái)實(shí)驗(yàn)研究，驗(yàn)證了基于ACA-PID的獨(dú)立變槳控制系統(tǒng)擁有較好的動(dòng)態(tài)性能，對(duì)于抑制葉根彎矩有明顯的效果，進(jìn)而緩解風(fēng)機(jī)的振動(dòng)。

[1] 董永平, 何世恩, 劉峻, 等. 低碳電力視角下的風(fēng)電消納問(wèn)題[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(5): 12-16.

DONG Yongping, HE Shien, LIU Jun, et al. Wind power consumption issue in the view of low carbon power[J]. Power System Protection and Control, 2014, 42(5): 12-16.

[2] 張?jiān)? 郝麗麗, 戴嘉祺. 風(fēng)電場(chǎng)等值建模研究綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(6): 139-146.

ZHANG Yuan, HAO Lili, DAI Jiaqi. Overview of the equivalent model research for wind farms[J]. Power System Protection and Control, 2015, 43(6): 139-146.

[3] 艾斯卡爾, 朱永利, 劉少宇, 等. 基于永磁直驅(qū)風(fēng)電機(jī)組的風(fēng)電場(chǎng)電壓控制問(wèn)題分析[J]. 電器與能效管理技術(shù), 2014(19): 55-59.

Aisikaer, ZHU Yongli, LIU Shaoyu, et al. Discussions on the control and management of reactive power/voltage of wind farm[J]. Electrical & Energy Management Technology, 2014(19): 55-59.

[4] 景天, 王西田, 沈嘉怡. 一種大規(guī)模風(fēng)電集中直流外送方案[J]. 電器與能效管理技術(shù), 2015(9): 50-54.

JING Tian, WANG Xitian, SHEN Jiayi. A scheme for large-scale wind power centralized DC transmission[J]. Electrical & Energy Management Technology, 2015(9): 50-54.

[5] RIBRANT J, BERTLING L. Survey of failures in wind power systems with focus on Swedish wind power plants during 1997-2005[J]. IEEE Transactions on EnergyConversion, 2007, 22(1): 167-173.

[6] 竇真蘭, 施剛, 曹云峰, 等. 減少風(fēng)力機(jī)轉(zhuǎn)矩波動(dòng)的異步變槳控制[J]. 電工技術(shù)學(xué)報(bào), 2014, 29(1): 236-245.

DOU Zhenlan, SHI Gang, CAO Yunfeng, et al. Individual pitch control for reducing wind turbine torque fluctuation[J]. Transactions of China Electrotechnical Society, 2014, 29(1): 236-245.

[7] 崔雙喜, 王維慶, 張強(qiáng). 風(fēng)力發(fā)電機(jī)組獨(dú)立變槳魯棒自適應(yīng)槳距角跟蹤控制[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(6): 52-57.

CUI Shuangxi, WANG Weiqing, ZHANG Qiang. Robust adaptive blade pitch angle tracking control for wind turbines[J]. Power System Protection and Control, 2015, 43(6): 52-57.

[8] FARD M, RAHMANI R, MUSTAFA M W. Fuzzy logic based pitch angle controller for variable speed wind turbine[C] // Research and Development (SCOReD), 2011 IEEE Student Conference on. 2011: 36-39.

[9] MESEMANOLIS A, MADEMLIS C. A Neural Network based MPPT controller for variable speed wind energy conversion systems[C] // Distribution and Energy Conversion (MEDPOWER 2012), 8th Mediterranean Conference on, 2012: 1-6.

[10] 姚興佳, 劉玥, 郭慶鼎. 基于前饋補(bǔ)償方位角權(quán)系數(shù)的分程獨(dú)立變槳控制研究[J]. 太陽(yáng)能學(xué)報(bào), 2012, 33(11): 532-539.

YAO Xingjia, LIU Yue, GUO Qingding. A control method for split range individual pitch based on feed- forward azimuth angle weight number assignment[J]. Acta Energiae Solaris Sinica, 2012, 33(11): 532-539.

[11] 邢作霞, 陳雷, 孫宏利, 等. 獨(dú)立變槳控制策略研究[J].中國(guó)電機(jī)工程學(xué)報(bào), 2011, 31(26): 131-138.

XING Zuoxia, CHEN Lei, SUN Hongli, et al. Strategies study of individual variable pitch control[J]. Proceedings of the CSEE, 2011, 31(26): 131-138.

[12] 王金銘, 盧奭瑄, 何新, 等. 大型風(fēng)力發(fā)電機(jī)風(fēng)能利用系數(shù)參數(shù)擬合的研究[J]. 太陽(yáng)能學(xué)報(bào), 2012, 33(2): 221-225.

WANG Jingming, LU Shixuan, HE Xin, et al. Study on parameters matching of rotor power coefficient for large scale wind turbine[J]. Acta Energiae Solaris Sinica, 2012, 33(2): 221-225.

[13] ZHANG Yunqian, CHEN Zhe, CHENG Ming. Proportional resonant individual pitch control for mitigation of wind turbines loads[J]. Renewable Power Generation, IET, 2013, 7(3): 191-200.

[14] 郭鵬. 模糊前饋與模糊PID結(jié)合的風(fēng)力發(fā)電機(jī)組變槳控制[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2010, 30(8): 123-128.

GUO Peng. Variable pitch control of wind turbine generator combined with fuzzy feed forward and fuzzy PID controller[J]. Proceedings of the CSEE, 2010, 30(8): 123-128.

[15] 張穎, 周韌, 鐘凱. 改進(jìn)蟻群算法在復(fù)雜配電網(wǎng)故障區(qū)段定位中的應(yīng)用[J]. 電網(wǎng)技術(shù), 2011, 35(1): 224-228.

ZHANG Ying, ZHOU Ren, ZHONG Kai. Application of improved ant colony algorithm in fault-section location of complex distribution network[D]. Power System Technology, 2011, 35(1): 224-228.

[16] NAVIDI N, BAVAFA M, HESAMI S. A new approach for designing of PID controller for a linear brushless dc motor with using ant colony search algorithm[C] // Power and Energy Engineering Conference. IEEE Conference Publications, 2009: 1-5.

[17] 周方, 張小鳳, 張光斌, 等. 蟻群算法中參數(shù)設(shè)置對(duì)超聲回波估計(jì)性能的影響[J]. 中國(guó)科學(xué): 信息科學(xué), 2013, 42(2): 243-253.

ZHOU Fang, ZHANG Xiaofeng, ZHANG Guangbin, et al. The effects of parameters settings of ant colony algorithm on the performance of ultrasonic echo estimation[J].Science China Information Sciences, 2013, 43(2): 243-253.

[18] 馮遠(yuǎn)靜, 馮祖仁, 彭勤科. 一類(lèi)自適應(yīng)蟻群算法及其收斂性分析[J]. 控制理論及應(yīng)用, 2005, 22(5): 243-253.

FENG Yuanjing, FENG Zuren, PENG Qinke. Adaptive ant colony optimization algorithms and its convergence[J].Control Theory & Applications, 2005, 22(5): 243-253.

(編輯 張愛(ài)琴)

Individual pitch control strategy based on ACA-PID controller in wind turbine

ZHOU Lawu1, DENG Ningfeng1, CHEN Hao2, HAN Bing1, TIAN Meng1

(1. College of Electrical and Information Engineering, Hunan University, Changsha 410082, China; 2. Hunan Shiyou Electric Co., Ltd., Xiangtan 411100, China)

In order to alleviate the unbalanced load that occurred in operation above rated wind speed in large wind turbines, for variable speed variable pitch wind turbine, this paper gives IPC (independent pitch control) strategy based on PID controller which parameters can be optimized by ACA (Ant Colony Algorithm). It uses the optimization of ACA to optimize the parameters of traditional PID pitch controller, thus to makes it has adaptiveness of PID control and streamlining of ACA, and gives its specific implementation steps. The wind turbine IPC model is constructed and the simulation and experiment of the new strategy and the traditional strategy are made. The simulation and experimental results show that the IPC based on ACA-PID is effective and practical, it can enhance the dynamic performance of the control system, effectively reduce load imbalance and improve the vibrational state of the wind turbine.

wind turbine; individual pitch control; ant colony algorithm; PID; unbalanced load

10.7667/PSPC151482

國(guó)家國(guó)際科技合作專(zhuān)項(xiàng)(2011DFA62890)；湖南省研究生科研創(chuàng)新項(xiàng)目(CX2016B131)

2015-08-21；

2015-11-20

周臘吾(1965-)，男，博士，教授，主要研究方向?yàn)樾履茉窗l(fā)電技術(shù)、電力驅(qū)動(dòng)與伺服理論及相關(guān)技術(shù)、新型電機(jī)電器設(shè)計(jì)及其控制；E-mail: 1021853001@qq.com鄧寧峰(1992-)，男，通信作者，碩士研究生，研究方向?yàn)樾履茉窗l(fā)電技術(shù)。E-mail: 279579946@qq.com